Mach et l’économie de pensée
Définition simple
Pour Ernst Mach, la science doit permettre à un être humain aux capacités limitées de maîtriser intellectuellement une quantité d’expérience immensément supérieure à ce qu’il pourrait mémoriser cas par cas. C’est ce qu’il appelle l’économie de pensée : concepts, lois, équations et théories servent à condenser une multitude de faits dans des représentations relativement simples, utilisables et transmissibles. La simplicité scientifique n’est donc pas seulement une qualité esthétique ; elle répond à une fonction cognitive et, dans le cadre évolutionniste de Mach, biologique.
L’idée peut être exprimée très simplement. Imaginons que pour calculer la chute d’un objet nous devions mémoriser séparément le résultat de chaque chute jamais observée : objet de 10 grammes lâché de 1 mètre, objet de 12 grammes lâché de 1,10 mètre, objet de 15 grammes lâché de 80 centimètres, et ainsi de suite. Une véritable science serait impossible. Une loi générale remplace potentiellement des millions de souvenirs particuliers par quelques relations permettant de reconstruire ou d’anticiper les cas pertinents.
La science réalise donc une forme de compression :
beaucoup d’expériences → peu de concepts et de lois → beaucoup de conséquences nouvelles.
Mais cette conception soulève immédiatement une question fondamentale : si deux théories rendent compte des mêmes phénomènes, devons-nous choisir la plus simple parce qu’elle est plus vraie, ou seulement parce qu’elle est plus pratique à penser ?
Mach penche fortement vers la deuxième réponse.
« Économie » ne signifie pas économie financière
Le terme peut prêter à confusion. Mach ne parle pas principalement d’argent, de coût des laboratoires, de rentabilité de la recherche.
L’économie en question concerne l’effort intellectuel.
Nos ressources cognitives sont limitées. Nous ne pouvons pas mémoriser chaque détail de chaque phénomène ni refaire toutes les expériences chaque fois que nous devons agir. La science doit donc fournir des représentations permettant de remplacer ou économiser l’expérience par sa reproduction et son anticipation dans la pensée. Mach rattache explicitement cette fonction à la mémoire et à notre capacité de nous orienter dans le monde.
L’économie scientifique ressemble donc davantage à une économie de mémoire, d’attention et de calcul. C’est cette idée qui rend Mach étonnamment moderne.
Une loi scientifique est une machine à compresser l’expérience
Prenons une régularité extrêmement simple : à pression constante, le volume d’un gaz varie avec sa température selon certaines relations.
Sans loi, nous pourrions accumuler :
température 1 → volume 1,
température 2 → volume 2,
température 3 → volume 3,
et ainsi de suite.
Une formulation générale permet de remplacer cette immense liste par une relation. Elle possède donc une double fonction.
Elle résume les observations déjà réalisées. Mais elle permet également d’anticiper des observations nouvelles.
C’est ce deuxième point qui empêche de réduire la théorie scientifique à une simple méthode de classement.
Une bonne loi ne dit pas seulement :
« voilà ce que nous avons vu ».
Elle permet :
« voilà ce que nous devons nous attendre à observer dans telle nouvelle situation ».
Mémoire et science
La mémoire possède donc un rôle central dans le modèle de Mach.
Une personne incapable de conserver quoi que ce soit de son expérience serait condamnée à réapprendre constamment.
La mémoire permet déjà une première économie : une expérience passée peut remplacer sa répétition. Mais la science va beaucoup plus loin.
Supposons que mille personnes réalisent chacune mille expériences. Aucun individu ne pourrait revivre directement : un million d’expériences.
Grâce : aux livres, aux tableaux, aux équations, aux théories, nous pouvons pourtant bénéficier intellectuellement : d’une grande partie de cette expérience collective.
La science transforme ainsi : l’expérience individuelle en mémoire collective condensée.
Mach rattache cette capacité à la fonction biologique générale de la connaissance : mieux s’orienter dans un environnement sans avoir à découvrir chaque régularité individuellement et à ses propres dépens.
Une équation peut remplacer des milliers de phrases
C’est probablement l’exemple le plus évident d’économie scientifique.
Imaginez devoir expliquer verbalement : toutes les positions possibles d’un projectile selon sa vitesse initiale, son angle, la gravité, la résistance de l’air.
Une formulation mathématique permet de condenser :
une immense quantité d’informations
dans :
quelques symboles.
Les mathématiques deviennent ainsi un instrument extraordinaire d’économie intellectuelle. Mais il serait trop simple de conclure plus une formule est courte, meilleure est la théorie.
Une formule extrêmement courte qui ne représente presque rien n’est pas scientifiquement excellente.
L’économie doit conserver la richesse des phénomènes.
La véritable ambition est donc réduire la représentation sans perdre l’information scientifiquement pertinente.
Maximum d’expérience, minimum d’effort
Nous pouvons formuler l’idéal machien de manière approximative : représenter le plus grand nombre possible de faits avec le moins d’effort intellectuel possible. Cela ressemble déjà à une notion moderne de compression.
Imaginons deux systèmes.
Le premier contient :
10 000 règles indépendantes.
Le second explique les mêmes phénomènes avec :
10 principes généraux.
Toutes choses égales par ailleurs, le second est cognitivement beaucoup plus puissant.
Mais l’expression « toutes choses égales par ailleurs » est essentielle.
Si les dix principes ne reproduisent que vaguement les phénomènes tandis que les 10 000 règles sont extrêmement précises, la comparaison devient plus difficile.
L’économie scientifique implique donc toujours un compromis entre simplicité et adéquation empirique.
Le meilleur résumé n’est pas nécessairement le plus court
Prenons deux modèles météorologiques.
Modèle A :
« Demain sera comme aujourd’hui. »
Modèle B contient des centaines d’équations, des milliers de données, des simulations numériques.
Le modèle A est beaucoup : plus simple. Mais il n’est évidemment pas pour autant : meilleur.
La simplicité n’a de valeur scientifique que relativement à : ce qu’elle permet de représenter.
Nous devons donc éviter une interprétation naïve :
« Mach recommande toujours la théorie comportant le moins de mots ou d’équations ».
Son économie concerne plutôt : le rapport entre complexité cognitive et puissance représentative. L’analyse historique de son principe souligne précisément que les théories parcimonieuses permettent d’économiser mémoire et effort en utilisant lois et concepts abstraits à la place du traitement individuel de chaque événement.
Pourquoi avons-nous besoin de concepts abstraits ?
Voilà un paradoxe intéressant.
Mach est célèbre pour sa méfiance envers : les abstractions métaphysiques. Pourtant, l’économie de pensée exige précisément : des abstractions.
Prenons le concept : corps.
Dans notre expérience, un objet change continuellement : sa position, son éclairage, sa température, parfois sa forme. Pourtant nous continuons à le désigner par un seul nom.
Pourquoi ?
Parce qu’il serait extrêmement coûteux de traiter chaque configuration momentanée comme une réalité totalement nouvelle.
Dans *L’Analyse des sensations*, Mach explique précisément que nous isolons les ensembles relativement stables et leur attribuons un nom unique, ce qui permet une économie de représentation et de langage.
Le concept général permet donc d’ignorer temporairement certaines différences pour conserver ce qui est pertinent.
Toute abstraction est en ce sens : une sélection.
Toute connaissance simplifie le réel
C’est une conséquence importante.
Une théorie ne reproduit jamais : chaque détail individuel du monde. Elle sélectionne : certaines relations.
Un plan de métro ne représente pas la couleur de chaque bâtiment, la largeur exacte de chaque trottoir, l’emplacement de chaque arbre. Pourtant il peut être extrêmement utile pour se déplacer en métro.
Dire que le plan est simplifié ne signifie pas : qu’il est mauvais.
Sa qualité dépend : de sa fonction.
La science produit elle aussi : des représentations sélectives.
Les lois abstraites laissent nécessairement de côté une partie de la singularité des événements. L’analyse de l’économie de pensée chez Mach souligne précisément que l’individualité complète d’un événement n’est jamais épuisée par nos lois et schémas abstraits.
Voilà une idée essentielle : abstraire, c’est perdre de l’information pour gagner de l’intelligibilité.
Le bon modèle dépend donc de la question
Prenons une forêt.
Pour un climatologue, elle peut être décrite en termes de biomasse, échanges de carbone, évapotranspiration.
Pour un écologue : espèces, populations, relations trophiques.
Pour un géographe : occupation du sol.
Pour un promeneur : sentiers et relief.
Aucune représentation ne contient toute la forêt.
Chaque modèle économise la complexité en sélectionnant : les propriétés pertinentes pour une question. Cette idée prépare directement une conception pluraliste des modèles scientifiques : plusieurs descriptions peuvent être légitimes sans être identiques.
Mach lui-même recherche pourtant également une forte unité du savoir : lorsque des domaines scientifiques différents entrent en contact, il considère économiquement souhaitable de construire des conceptions suffisamment générales pour éviter des systèmes incompatibles ou inutilement séparés.
Économie et unité des sciences
L’économie de pensée ne concerne donc pas seulement une théorie isolée. Elle concerne aussi les relations entre sciences.
Supposons que la physique utilise une ontologie A et la psychologie une ontologie B complètement incompatible.
Tant que les deux disciplines restent séparées, le problème peut être supportable. Mais lorsqu’elles doivent expliquer ensemble : la perception, le cerveau, le comportement, la contradiction devient coûteuse.
Mach cherche alors une représentation capable de fonctionner dans les deux domaines. C’est l’une des raisons pour lesquelles il propose sa théorie des éléments, censée éviter une opposition métaphysique rigide entre monde physique et monde psychique. Sa recherche de l’unité des sciences dérive ainsi directement de son modèle bio-économique de la connaissance.
L’unification devient une économie à grande échelle.
Une théorie qui explique deux domaines vaut plus que deux théories indépendantes ?
Souvent, oui.
Supposons :
T1 explique A.
T2 explique B.
Puis une théorie T3 explique :
A et B
avec un petit nombre de principes communs.
Toutes choses égales par ailleurs, T3 possède une puissance d’unification supérieure.
Nous retrouvons quelque chose qui ressemble à la consilience de Whewell. Mais l’accent est différent.
Chez Whewell, la convergence de phénomènes indépendants constitue : un puissant signe confirmatoire.
Chez Mach, l’unification possède également une valeur parce qu’elle améliore l’économie de notre représentation du monde.
Un même ensemble conceptuel remplace : plusieurs systèmes indépendants.
Simplicité et vérité : le problème central
Nous arrivons maintenant à la difficulté philosophique la plus importante.
Supposons deux théories :
T1 et T2. Elles produisent exactement : les mêmes prédictions.
T1 utilise :
3 principes.
T2 :
30 principes.
Laquelle devons-nous préférer ?
Mach possède une raison claire de choisir :
T1. Elle est plus économique.
Mais devons-nous conclure :
T1 est probablement plus vraie ?
Ce passage n’est pas évident.
L’économie constitue clairement : une qualité pragmatique ou cognitive. Mais la nature n’a aucune obligation apparente : d’être facile à comprendre par un cerveau humain.
Nous pouvons donc distinguer la théorie la plus économique pour nous et : la structure réelle du monde. Ce sont peut-être deux choses différentes.
Pourquoi le monde devrait-il être simple ?
C’est une objection très forte.
Nos capacités intellectuelles favorisent : simplicité, symétrie, compression. Mais cela nous apprend d’abord quelque chose : sur nous.
Pourquoi la réalité devrait-elle nécessairement posséder :
la structure que notre mémoire préfère ?
La nature pourrait être terriblement complexe.
Si elle l’était, une théorie fidèle devrait peut-être l’être également.
Le principe d’économie ne peut donc pas garantir que la théorie la plus simple est vraie. Il peut fournir une règle de recherche, une préférence méthodologique, un critère pratique.
Mais il devient beaucoup plus difficile d’en faire une loi ontologique.
La SEP formule d’ailleurs une critique importante de Mach : il tend à transformer certains principes biologiques d’économie en fondements de son épistémologie sans fournir une justification indépendante suffisante.
Économie de pensée et rasoir d’Occam
La proximité avec le rasoir d’Occam est évidente.
Sous une formulation courante : ne multiplions pas les entités sans nécessité.
Si deux théories expliquent exactement les mêmes phénomènes et que l’une ajoute :
dix entités inutiles,
nous préférons généralement :
la plus parcimonieuse. Mais il faut être précis.
Le rasoir d’Occam ne signifie pas :
« la théorie la plus simple est automatiquement vraie ».
Il constitue plutôt : une règle de préférence lorsque plusieurs alternatives ont un pouvoir empirique comparable.
Mach fournit à cette préférence une justification : cognitive et biologique.
Nous préférons l’économie parce que la fonction de la science consiste à nous donner un moyen maniable de nous orienter.
Exemple : deux cartes
Imaginez deux cartes de Paris.
La première montre chaque pavé, chaque fenêtre, chaque arbre, chaque plaque d’égout.
La seconde montre rues, stations, monuments, transports.
Si notre objectif est trouver un itinéraire, la première carte contient davantage d’informations. Mais elle peut être beaucoup moins utile.
L’excès de détails détruit : la lisibilité.
La deuxième carte est plus pauvre et pourtant : épistémiquement supérieure pour notre objectif. C’est exactement l’intuition de l’économie de pensée : une représentation scientifique doit sélectionner l’information pertinente plutôt que reproduire indistinctement toute la réalité.
Une théorie est donc un outil ?
Cette conception rapproche Mach de ce que nous appelons souvent : instrumentalisme.
Une théorie peut être évaluée en fonction de : ce qu’elle permet de faire, sa capacité à organiser l’expérience, sa simplicité, ses prédictions. Cela conduit naturellement à se demander s’il est vraiment nécessaire de considérer ses entités théoriques comme des descriptions littérales du monde.
Supposons deux représentations mathématiques différentes produisent exactement les mêmes résultats observables.
Si l’une est plus simple à utiliser, Mach possède une excellente raison pratique de la préférer. Mais il ne doit pas nécessairement conclure : la nature elle-même est littéralement construite selon cette représentation.
C’est ici que l’économie de pensée rejoint : l’antiréalisme machien.
Mais Mach n’est pas simplement un instrumentaliste moderne
Il faut néanmoins éviter une étiquette trop rapide.
Mach développe une théorie beaucoup plus générale des éléments, de la perception et de la relation entre physique et psychique. Son économie de pensée s’inscrit dans cette conception bio-économique globale de la connaissance. Il ne propose donc pas simplement la maxime moderne :
« peu importe si la théorie est vraie, du moment qu’elle prédit ».
Il pense que la science doit s’adapter aux faits.
Les théories ne sont pas de pures fictions libres.
Leur caractère économique intervient sous : contrainte empirique.
Nous pouvons donc représenter sa position comme :
expérience → contrainte ; économie → organisation.
Les deux fonctions doivent rester distinctes.
L’économie ne remplace pas l’expérience
C’est probablement l’erreur la plus importante à éviter.
Supposons : une théorie très simple T1 contredit les observations.
Une théorie plus complexe T2 les explique correctement.
Mach ne devrait pas choisir T1 simplement parce qu’elle est plus économique.
L’économie intervient lorsque nous cherchons : à organiser l’expérience. Elle ne possède pas le droit : d’abolir les faits.
La relation correcte serait donc plutôt :
- éliminer les théories insuffisamment adaptées aux phénomènes ;
- entre plusieurs théories empiriquement satisfaisantes, privilégier celles qui organisent l’expérience avec davantage d’économie.
La simplicité est donc un critère secondaire sous contrainte empirique.
Une théorie trop simple peut être fausse
L’histoire des sciences fournit énormément d’exemples où une description initialement simple doit être complexifiée.
Supposons :
« tous les mouvements célestes sont des cercles parfaits uniformes ».
Cette représentation possède élégance, simplicité, symétrie. Mais si les observations résistent, son élégance ne la sauve pas.
Il faut : complexifier ou : changer de cadre.
La science ne cherche donc pas la simplicité pour elle-même. Elle cherche la simplicité compatible avec les phénomènes.
C’est une distinction cruciale.
Mais une théorie trop complexe peut cacher un problème
L’excès inverse existe aussi.
Supposons une théorie T rencontre une observation contraire.
Nous ajoutons :
H1.
Nouvelle difficulté :
H2.
Puis :
H3,
H4,
H5.
La théorie finit par contenir des dizaines d’ajustements particuliers.
Une théorie concurrente explique les mêmes phénomènes avec quelques principes.
L’économie devient alors un signal critique.
La complexité supplémentaire peut indiquer que nous sommes en train de protéger artificiellement une mauvaise théorie.
Nous retrouvons ici :
Whewell et la cohérence,
puis bientôt :
Popper et Lakatos.
La simplicité ne prouve pas la vérité. Mais l’accumulation de complications ad hoc peut être épistémiquement suspecte.
L’économie et les hypothèses ad hoc
Il faut toutefois définir précisément : ad hoc.
Toute modification d’une théorie n’est pas suspecte.
Une nouvelle observation peut légitimement conduire à ajouter un mécanisme réel.
Le problème apparaît lorsqu’une hypothèse est introduite principalement : pour empêcher une théorie d’être contredite, sans produire de nouvelles conséquences indépendantes.
L’économie de pensée préfère naturellement : une théorie qui résout plusieurs problèmes avec une modification générale à une théorie qui invente une exception particulière pour chaque difficulté. C’est une excellente règle de recherche.
Mais, encore une fois : la nature peut réellement contenir des exceptions.
Nous ne pouvons pas les supprimer au nom de l’élégance.
Exemple médical
Supposons une maladie semble initialement posséder une seule cause.
Puis nous découvrons : plusieurs mécanismes génétiques, plusieurs facteurs environnementaux, plusieurs sous-types.
La théorie devient plus complexe.
Devons-nous la rejeter parce qu’elle est moins :
économique ?
Non.
L’augmentation de complexité peut refléter une véritable complexité du phénomène.
L’économie scientifique n’est donc pas la guerre contre la complexité. Elle cherche plutôt : à ne pas introduire davantage de complexité théorique que ce que les phénomènes exigent.
Cette formulation est beaucoup plus solide.
Compression et perte d’information
Toute économie présente un coût.
Si nous compressons un fichier sans perte, nous pouvons reconstruire exactement l’original. Mais beaucoup de représentations scientifiques ressemblent plutôt à une compression avec perte.
Nous abandonnons : des détails pour conserver les structures pertinentes.
Une loi thermodynamique peut ignorer la trajectoire individuelle de chaque molécule.
Un modèle démographique peut ignorer l’histoire personnelle de chaque individu.
Le gain est immense : nous pouvons raisonner sur le système.
Mais il faut toujours se demander :
qu’avons-nous éliminé lors de la compression ?
Cette question est particulièrement importante lorsque nous appliquons des modèles scientifiques à des décisions réelles.
Un modèle peut être excellent et incomplet
Prenons un modèle économique. Il peut représenter correctement : les effets moyens d’une politique tout en négligeant : certaines différences régionales, certains effets distributifs, certaines dimensions non monétaires.
Cela ne rend pas nécessairement le modèle mauvais.
Le problème apparaît lorsqu’on oublie : ce qu’il a volontairement laissé de côté.
L’économie de pensée exige l’abstraction.
L’esprit critique exige de se souvenir de l’abstraction.
Une simplification scientifique devient dangereuse lorsqu’elle est confondue avec une représentation totale du réel.
La carte n’est pas le territoire
La formule est postérieure à Mach, mais elle exprime admirablement le problème.
Une théorie est une représentation.
Sa puissance peut venir précisément du fait qu’elle ne reproduit pas : tout.
Si une carte était exactement aussi grande et aussi détaillée que le territoire, elle perdrait : une grande partie de son intérêt. Mais l’inverse est également vrai : la carte peut omettre quelque chose de crucial pour notre problème particulier.
Ainsi, demander :
« ce modèle est-il vrai ? »
est parfois trop vague.
Nous devons également demander :
« vrai ou adéquat pour quoi ? »
Cette orientation est très compatible avec l’économie machienne, même si la philosophie contemporaine des modèles a développé ces questions bien au-delà de son cadre.
La science comme technologie cognitive
Nous pouvons maintenant reformuler l’idée de Mach de manière particulièrement moderne : la science est une technologie cognitive.
Un microscope étend : notre vision.
Une équation étend : notre mémoire et notre capacité d’anticipation.
Un graphique permet de percevoir rapidement une relation qui serait invisible dans mille lignes de données.
Une théorie permet de manipuler intellectuellement des situations que nous n’avons jamais vécues.
Un ordinateur étend encore : ces capacités.
Dans ce sens, science et instruments cognitifs appartiennent à une même logique : augmenter ce qu’un cerveau humain limité peut connaître et manipuler.
Mach rattache directement cette fonction à la capacité de l’organisme de mieux s’orienter dans son environnement.
Les graphiques sont eux-mêmes des économies de pensée
Prenons 100 000 mesures.
Sous forme d’un tableau brut : presque personne ne peut les interpréter immédiatement.
Transformons-les en un graphique.
Nous pouvons parfois voir une tendance, une rupture, une anomalie en quelques secondes.
Le graphique est une économie cognitive. Mais il sélectionne également : échelles, variables, agrégation, périodes.
Deux visualisations du même jeu de données peuvent donner des impressions très différentes.
Le principe machien doit donc être complété par une règle critique : la simplification qui rend une information intelligible peut également la déformer.
Une bonne économie scientifique doit être transparente sur ce qu’elle simplifie.
L’intelligence artificielle pousse l’économie scientifique beaucoup plus loin
Imaginons un système capable d’analyser des milliards de données et de produire une prédiction précise.
Du point de vue de l’économie cognitive, c’est remarquable.
Le système permet à un humain : d’utiliser une quantité d’expérience qu’il ne pourrait jamais traiter individuellement. Mais une difficulté apparaît.
Si le modèle lui-même contient des milliards de paramètres et devient incompréhensible pour nous, avons-nous encore :
économisé la pensée ?
En un sens : oui.
Nous obtenons rapidement : une prédiction.
Dans un autre non.
Nous avons remplacé : une complexité empirique par une complexité computationnelle opaque.
Cela révèle une distinction moderne que Mach ne pouvait pas formuler ainsi :
économie de calcul ≠ économie de compréhension.
Une théorie simple est-elle toujours plus compréhensible ?
Pas nécessairement.
Une équation compacte peut être extrêmement difficile à interpréter.
Inversement, une description plus longue peut rendre un mécanisme beaucoup plus intelligible. Il faut donc distinguer plusieurs formes de simplicité : simplicité syntaxique, nombre de paramètres, facilité de calcul, simplicité conceptuelle, facilité d’explication, facilité d’usage.
Ces dimensions peuvent entrer en conflit.
Dire :
« choisissons la théorie la plus simple »
est donc insuffisant tant que nous ne précisons pas :
simple en quel sens ?
Mach fournit une intuition générale plutôt qu’une métrique universelle de la simplicité.
Peut-on mesurer l’économie ?
C’est l’une des principales difficultés.
Comment comparer précisément :
deux théories ?
Nombre d’axiomes ?
Nombre de paramètres ?
Longueur de la formule ?
Temps de calcul ?
Facilité d’apprentissage ?
Aucun critère ne convient universellement.
Une théorie avec une seule équation gigantesque peut être formellement plus courte qu’un système de dix équations simples mais cognitivement beaucoup plus difficile.
Le principe d’économie est donc puissant comme intuition mais : ambigu comme règle formelle.
La philosophie et les statistiques modernes proposeront différentes manières de formaliser la parcimonie, mais aucune ne peut être simplement identifiée à la doctrine originale de Mach.
Économie et probabilité
Nous pouvons également voir pourquoi les modèles probabilistes sont si importants.
Le monde contient des variations, du bruit, de l’incertitude.
Un modèle voulant reproduire exactement : chaque événement particulier risque d’être énormément complexe.
Une représentation probabiliste peut au contraire dire : dans ces conditions, la distribution des résultats possède telle forme.
Nous abandonnons : la prédiction individuelle parfaite.
Nous gagnons : une représentation générale beaucoup plus économique. C’est particulièrement important dans médecine, biologie, sciences sociales.
La généralisation scientifique peut donc parfois demander de renoncer à prédire exactement chaque cas.
L’économie peut expliquer pourquoi la science utilise des catégories
Pourquoi parlons-nous de mammifères, planètes, maladies, éléments chimiques,
régimes politiques ?
Parce que traiter chaque objet comme absolument unique rendrait la connaissance générale impossible.
Une catégorie permet de dire : malgré certaines différences, ces cas partagent suffisamment de propriétés pour être étudiés ensemble. Mais toute classification peut également masquer des différences.
Ainsi, un diagnostic médical peut être extrêmement utile pour résumer un ensemble de symptômes sans signifier que tous les patients diagnostiqués sont identiques.
Nous retrouvons encore : l’économie et son coût.
Une catégorie est scientifiquement féconde lorsqu’elle permet de gagner davantage d’information structurée qu’elle n’en détruit : par simplification.
Le danger de réifier nos simplifications
Voici probablement l’une des leçons les plus importantes de Mach.
Nous créons un concept parce qu’il est utile.
Puis nous oublions : qu’il constitue une abstraction.
Enfin nous commençons à imaginer qu’il existe nécessairement dans le monde exactement sous la forme que notre concept lui donne. C’est ce que l’on appelle parfois : réifier une abstraction.
Prenons :
« intelligence ».
Nous pouvons construire des tests, des scores, des facteurs statistiques. Cela peut être scientifiquement très utile.
Mais il serait dangereux de conclure trop rapidement :
« nous avons donc découvert une substance unique appelée intelligence située quelque part dans l’individu ».
Le concept peut résumer certaines régularités sans constituer une chose au même sens qu’un organe.
La prudence machienne conserve ici toute sa force.
Mais toutes les entités théoriques ne sont pas de simples raccourcis
C’est précisément là que Mach rencontrera une limite historique.
Certaines entités théoriques commencent comme des hypothèses utiles et acquièrent progressivement : une telle quantité de preuves indépendantes qu’il devient raisonnable de les considérer comme davantage que de simples commodités de calcul.
Les atomes représentent l’exemple majeur.
Une conception purement économique pourrait dire :
« parler d’atomes simplifie les phénomènes chimiques ; cela suffit ».
Mais lorsque plusieurs domaines indépendants convergent : chimie, thermodynamique, mouvement brownien, spectroscopie, etc., la question devient
pourquoi une entité purement fictive produirait-elle une telle consilience ?
Nous retrouverons donc Whewell contre Mach :
l’unification et la réussite indépendante peuvent-elles justifier une croyance réaliste ?
La prochaine fiche y sera consacrée.
Einstein et les limites de l’empirisme machien
Einstein fut fortement influencé par le climat critique créé par Mach, mais il s’éloigna progressivement d’un modèle où les concepts fondamentaux de la physique doivent être coordonnés trop directement à des éléments empiriques. Sa philosophie de la science accordera davantage de liberté à la construction conceptuelle et reconnaîtra qu’une théorie peut former un système dont certaines composantes n’ont de relation à l’expérience qu’à travers l’ensemble théorique.
C’est une différence fondamentale.
Mach insiste sur l’économie de l’expérience.
Einstein reconnaît de plus en plus l’autonomie constructive de la théorie. Mais cette autonomie ne signifie pas : liberté totale.
C’est finalement l’ensemble de la construction qui doit réussir face à l’expérience.
Cette transformation annonce directement :
Duhem
et : le holisme théorique.
Économie ou explication ?
Une autre difficulté apparaît.
Supposons deux théories prédisent : exactement les mêmes phénomènes.
La première est plus simple.
La seconde fournit un mécanisme explicatif beaucoup plus riche.
Laquelle choisir ?
Une économie machienne stricte pourrait favoriser la première. Mais nous pouvons avoir de bonnes raisons de préférer la seconde si le mécanisme qu’elle propose s’intègre à d’autres connaissances et ouvre de nouvelles recherches.
Cela montre que les objectifs de la science peuvent être multiples : prédiction, simplicité, explication, unification, compréhension, intervention. Ils ne vont pas toujours : dans la même direction.
La philosophie contemporaine des sciences doit donc souvent arbitrer entre plusieurs vertus théoriques.
La théorie la plus simple peut-elle être moins féconde ?
Oui.
Supposons :
T1 est une équation simple reproduisant parfaitement une série de données.
T2 est un modèle un peu plus complexe qui reproduit les mêmes données mais explique également : pourquoi la relation existe, comment elle changera dans d’autres conditions, quelles nouvelles expériences réaliser.
T2 est moins simple. Mais elle peut être scientifiquement beaucoup plus féconde.
Nous ne pouvons donc pas évaluer la qualité théorique selon une seule dimension.
L’économie reste une vertu. Elle n’est pas la seule vertu.
Erreurs fréquentes
La première erreur est : « économie de pensée = choisir systématiquement la théorie la plus courte ». Non. Une représentation plus courte n’est utile que si elle conserve suffisamment d’adéquation aux phénomènes. L’économie concerne le rapport entre effort cognitif et puissance de représentation.
Deuxième erreur : « Mach veut supprimer les concepts abstraits ». Au contraire, les abstractions sont indispensables à l’économie scientifique : elles permettent de représenter une multitude de cas sans traiter chaque événement individuellement.
Troisième erreur : « la théorie la plus économique est nécessairement la plus vraie ». Le principe d’économie fournit surtout une raison pragmatique et méthodologique de préférer certaines représentations ; il ne démontre pas que la nature elle-même possède nécessairement la structure la plus facile à penser.
Quatrième erreur : « économie signifie simplification sans limites ». Une simplification qui détruit une information empiriquement essentielle cesse précisément d’être une bonne représentation scientifique.
Cinquième erreur : « l’économie implique que toutes les sciences doivent être réduites à une seule ». Mach recherche une unité, notamment lorsqu’il veut articuler physique et psychologie, mais son objectif est d’obtenir une représentation cohérente et maniable du savoir, pas simplement de supprimer arbitrairement toute diversité disciplinaire.
Enfin, il serait faux de conclure :
« puisque la simplicité est une préférence humaine, elle n’a aucune valeur scientifique ».
Une représentation maniable est indispensable à des êtres cognitivement limités.
La question est plutôt :
quelle valeur épistémique supplémentaire devons-nous accorder à cette simplicité ?
Limites
La première limite est donc l’ambiguïté de la simplicité. Il existe plusieurs manières de mesurer la complexité d’une théorie, et elles peuvent donner des classements différents.
Deuxième limite : la justification biologique proposée par Mach ne démontre pas que la théorie la plus adaptée à nos capacités cognitives soit nécessairement :
la plus proche de la structure réelle du monde. La SEP souligne que son recours à l’économie et à l’évolution repose en partie sur des présupposés biologiques qu’il ne justifie pas indépendamment.
Troisième limite : la recherche d’économie peut favoriser des représentations excellentes pour :
prédire
mais insuffisantes pour :
expliquer des mécanismes.
Quatrième limite : une théorie plus complexe peut être scientifiquement meilleure si la complexité supplémentaire correspond à :
des phénomènes réels.
Cinquième limite : une représentation particulièrement économique peut devenir si familière que nous cessons de voir ses hypothèses.
L’économie cognitive peut donc produire du conservatisme conceptuel.
Enfin, la simplicité peut entrer en conflit avec d’autres vertus : précision, unification, cohérence avec d’autres théories, fécondité expérimentale, explication causale.
Nous devons donc la traiter comme une vertu parmi plusieurs et non comme une règle absolue de vérité.
En pratique
Le principe d’économie fournit pourtant une excellente grille critique.
Face à une théorie, demandons :
Combien d’hypothèses indépendantes utilise-t-elle ?
Explique-t-elle plusieurs phénomènes avec les mêmes principes ?
Ajoute-t-elle des entités qui ne modifient aucune prédiction ?
La complexité supplémentaire apporte-t-elle réellement de l’information ?
Le modèle élimine-t-il des détails parce qu’ils sont non pertinents ou parce qu’ils sont gênants ?
Cette dernière question est particulièrement importante. Il existe une différence énorme entre simplifier et : ignorer les contre-exemples.
Une bonne économie conserve : ce qui est nécessaire pour répondre à la question.
Une mauvaise simplification supprime : ce qui menace la conclusion.
Application à un débat politique
Supposons quelqu’un affirme :
« Le chômage dépend simplement du niveau des impôts. »
La théorie est très économique.
Une variable : explique tout. Mais la simplicité ne constitue pas : un argument suffisant.
Nous devons examiner conjoncture, demande, formation, démographie, technologies, droit du travail, commerce international, politiques monétaires.
Peut-être qu’une partie de ces facteurs peut être négligée dans un modèle particulier. Mais il faut : le justifier.
Le principe d’économie ne permet donc pas de dire :
« l’explication monocausale est meilleure parce qu’elle est plus simple ».
Il demande :
quelle est la représentation la plus simple qui reste suffisamment fidèle au phénomène ?
C’est très différent.
Application aux théories complotistes
Les théories complotistes présentent un cas intéressant parce qu’elles peuvent sembler très économiques.
Un seul acteur caché expliquerait : élections, médias, économie, épidémies, guerres.
Une immense diversité de phénomènes est ramenée à une seule cause. Cela ressemble superficiellement : à une unification scientifique.
Mais lorsque nous examinons le détail, la théorie doit souvent introduire des motivations différentes, des opérations secrètes différentes, des exceptions, des explications permettant de neutraliser toute preuve contraire.
Son apparente simplicité globale masque : une immense complexité ad hoc.
Une véritable économie scientifique doit produire des contraintes et des prédictions, pas simplement : une histoire capable d’absorber tout événement après coup.
Application aux modèles d’intelligence artificielle
La question devient encore plus intéressante avec les grands modèles contemporains.
Un modèle peut condenser :
d’immenses régularités statistiques
dans :
un ensemble de paramètres. Il constitue donc, en un sens, une gigantesque : machine d’économie de l’expérience.
Mais si son fonctionnement devient trop complexe pour être compris directement par les humains, nous obtenons un paradoxe : compression prédictive sans compression explicative.
Le système peut savoir quoi prévoir sans nous fournir clairement : pourquoi.
La distinction entre économie pour agir et : économie pour comprendre devient alors essentielle.
Mach nous fournit le vocabulaire initial du problème, même si les technologies contemporaines dépassent évidemment très largement son contexte historique.
Pourquoi c’est important
L’économie de pensée montre que la simplicité scientifique n’est pas une décoration.
Les scientifiques ont besoin : de généraliser, de classer, de modéliser, de mathématiser, parce qu’un cerveau humain ne pourrait jamais traiter directement : toute la complexité du monde.
La science produit donc nécessairement des abstractions. Ces abstractions ne sont pas un défaut à éliminer.
Elles constituent : la condition même de la connaissance générale. Mais cette force crée deux risques.
Le premier est confondre notre représentation économique avec la réalité complète.
Le second : transformer notre préférence pour la simplicité en preuve que le monde doit être simple.
Une bonne épistémologie doit maintenir les deux idées :
nous avons besoin de simplification ;
nous devons rester conscients de ce qu’elle élimine.
À retenir
Chez Mach, l’économie de pensée désigne la fonction par laquelle la science permet à des organismes cognitivement limités de représenter et d’anticiper une immense quantité d’expérience avec un nombre relativement restreint de concepts, lois et théories. Elle s’inscrit directement dans sa conception biologique de la connaissance : la science doit améliorer notre capacité à nous orienter dans notre environnement.
Une loi scientifique constitue ainsi une forme de compression. Au lieu de mémoriser chaque événement séparément, nous construisons une relation générale permettant de reproduire intellectuellement des cas connus et d’anticiper des cas nouveaux. Mach présente explicitement la science comme un moyen d’économiser l’expérience grâce à la mémoire et à l’anticipation.
Les abstractions scientifiques sont donc indispensables. Elles éliminent nécessairement certains détails pour conserver les structures considérées comme pertinentes. Les travaux consacrés à Mach soulignent précisément que les lois et concepts économiques ne reproduisent jamais toute l’individualité des événements qu’ils représentent.
L’économie favorise également l’unification : si un même ensemble conceptuel peut coordonner plusieurs domaines auparavant séparés, notre représentation générale du monde devient plus maniable et cohérente. C’est notamment l’une des motivations de Mach lorsqu’il cherche à rapprocher physique et psychologie.
Mais l’économie ne constitue pas une preuve de vérité.
Une théorie plus simple peut être plus facile à mémoriser, plus facile à calculer, plus élégante, sans être plus vraie.
La nature n’a aucune obligation évidente de correspondre aux préférences cognitives humaines.
Le principe le plus défendable devient donc à pouvoir empirique comparable, préférer généralement la représentation qui atteint ses résultats avec le moins de complications inutiles.
Cette règle ressemble au rasoir d’Occam, mais elle reste :
une préférence méthodologique,
pas :
une garantie métaphysique.
L’économie de pensée nous apprend surtout que toute science sélectionne et simplifie. Une théorie scientifique n’est jamais le monde entier reproduit dans notre esprit. Elle est une représentation construite pour rendre certains aspects du monde intellectuellement maniables.
Cette idée conduit immédiatement à une question beaucoup plus difficile.
Supposons qu’une entité invisible simplifie extraordinairement nos théories, unifie plusieurs phénomènes et permet de nombreuses prédictions.
Devons-nous seulement dire :
« cette hypothèse est économiquement utile »
ou pouvons-nous aller plus loin :
« nous avons de bonnes raisons de croire que cette entité existe réellement » ?
Ce sera précisément le problème de la prochaine fiche :
Les entités invisibles : faut-il croire aux atomes ?
Le débat opposera notamment Mach et Boltzmann. Il permettra de comprendre pourquoi la prudence empiriste de Mach était intellectuellement respectable dans le contexte de son époque, mais aussi pourquoi l’accumulation ultérieure de preuves en faveur de la réalité atomique montre les limites d’un antiréalisme trop strict.
Nous rencontrerons alors l’un des problèmes les plus importants de toute la philosophie des sciences :
quand le succès explicatif et prédictif d’une théorie nous autorise-t-il à croire que les choses dont elle parle existent réellement ?
Cette question nous conduira beaucoup plus tard directement au débat entre réalisme scientifique et antiréalisme.
Concepts liés
Ernst Mach ; économie de pensée ; simplicité ; parcimonie ; rasoir d’Occam ; compression ; abstraction ; loi scientifique ; modèle ; théorie ; mémoire ; anticipation ; adaptation ; unification des sciences ; consilience ; instrumentalisme ; antiréalisme ; réalisme scientifique ; hypothèse ad hoc ; explication ; prédiction ; modèle scientifique ; sous-détermination ; atomes ; Boltzmann.